[发明专利]一种基于遗传规划算法的图形图像分类方法

摘要

本发明属于图像处理技术领域，具体公开了一种基于遗传规划算法的图形图像分类方法，其步骤包括(1)构造图像特征集和训练特征集；(2)设定第一阶段相关参数；(3)提取图像特征；(4)初始化种群并评估适应度；(5)对个体优胜劣汰，优胜个体进行交叉变异,评估适应度；(6)对个体进行局部搜索；(7)种群评估,判断是否完成交叉变异操作；(8)种群选优，判断是否终止进化；(9)根据新特征重新初始化种群；(10)种群选优,交叉变异；(11)依据最优个体输出图像匹配模型,解码个体树,获得新的图像特征。本发明产生的训练模型，能够有效的提高图像分类的准确度。

主权项

一种基于遗传规划算法的图形图像分类方法，其特征在于包括如下步骤：(1)根据图像库中的图像，随机挑选出总数的50％组成训练集图像，其中每类图像幅数均等于该类在图像库中总数的半数；(2)设定第一阶段的操作符集终止符集交叉概率变异概率种群规模变异步长因子step，迭代次数gen1；第二阶段的操作符集终止符集变异概率交叉概率迭代次数gen2、种群规模(3)采用“组合矩”方法提取训练集图像的特征；(4)依据操作符集终止符集初始化个个体的种群pop1，计算每个个体的适应度；(5)依据适应度大小评价个体优劣：适应度高的个体视为优胜个体；采用锦标赛策略选择种群pop1中个个体；对优胜个体组成的种群进行交叉变异操作；(6)对交叉变异后的个体进行局部搜索，设定较小的变异步长s'，根据此步长对种群进行较密集的变异操作；(7)对局部搜索后的种群个体进行适应度评估，若种群中最大适应度大于0.85或迭代次数达到gen1时，则执行步骤(8)，否则，执行步骤(5)；(8)从迭代终止的种群中选择适应度最高的个体，即为最优个体；解码最优个体，获得新特征；(9)依据操作符集终止符集和新特征,初始化个个体的种群pop2，对个体评估适应度；(10)根据评估结果优选种群pop2，获得优选种群按照变异概率交叉概率对进行交叉，变异操作；(11)对交叉变异后的个体进行适应度评估；若进化代数少于gen2时，则返回执行步骤(10)；否则按照适应度最大原则选出现有种群中的最优个体，输出最优个体的解码结果，获得匹配函数，据此函数得到图像匹配模型。